《表2 两种算法的预测沉降数据及其残差对比》
提示：宽带有限、当前游客访问压缩模式
通过试验数据对比分析，得到两种算法的预测沉降数据及其残差，如表2所示，两种算法的预测累计沉降量对比如图3。
| 图表编号 | XD0058297000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 陈涛 |
| 绘制单位 | 中国铁路设计集团有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 沉降计算系数：高填方路基沉降变形特性及其预测方法探究》2020.07.25
- 《表1 两种算法预测结果指标对比》2019.12.28
- 《表1 两种算法预测值与实测值对比》2020.05.30
- 《表1 预测结果：基于神经网络算法的路基施工沉降预测》2020.06.20
- 《表1 两种优化算法的数据对比》2019.12.28
- 《表3 滤除噪声后的实测值、预测值及残差数据对比表》2019.11.15
- 《表2 实测值、预测值及残差数据对比表》2019.11.15
- 《表1 部分样本数据：基于BP神经网络算法的矩形顶管施工地表沉降预测研究》2019.11.15
- 《表1 沉降实测数据表：灰色模型在路基沉降预测中的对比研究》2019.08.01
- 《表3 残差对比：兖州某矿区地表沉降规律的预计》2019.11.10
- 《表2 各模型预测值：一种基于遗传算法优化的BP神经网络建筑物沉降预测模型》2019.09.25
- 《表2 基于实验数据的预测算法验证结果对比分析结果》2019.10.25
- 《表2 4种数据集上两种算法的AUC性能对比》2019.08.10
- 《表2 残差预测值：动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析》2019.04.20
- 《表3 两种预测模型残差对比表》2019.07.25
- 《表1 单一智能算法用于沉降预测的比较》2019.05.25
- 《表2 两种算法所得到的频繁项集个数对比 (MushRoom数据集)》2018.03.25
- 《表2 GM (1, n) 模型与残差GM (1, n) 模型两种方法预测结果对比Tab.2 Comparison of prediction results between GM (1, n) model and residual GM (》2018.12.01
- 《表2 相关系数结果：融合遗传算法和BP神经网络对基坑地表沉降预测的应用研究》2018.10.25
- 《表5 残差改正数：修正指数曲线法与灰色模型和BP神经网络预测在建筑物沉降中的对比分析》2018.08.25